＜概率论与数理统计(1)＞泊松随机数

wdmcs

已于 2022-10-28 10:29:54 修改

阅读量414

点赞数

分类专栏：概率论与数理统计文章标签：概率论

于 2022-10-28 10:29:01 首次发布

本文链接：https://blog.csdn.net/m0_56838271/article/details/127566602

版权

概率论与数理统计专栏收录该内容

1 篇文章 0 订阅

订阅专栏

泊松随机数

最近需要在模型表面网格内采样获取模型表面点云，需要根据网格面积与模型面积计算网格内部的采样数，这里用到了泊松随机数计算网格内采样数。

任务简述

设泊松分布的强度 ${\lambda}$ 计算如下：
${\lambda}=\frac{A_{Mesh}}{A_{Model}}*N_{sum}$
其中 $A_{Mesh}$ 为当前网格的面积； $A_{Model}$ 为模型表面积； $N_{sum}$ 为预定采样数量。以 ${\lambda}$ 为基础，计算Knuth Poisson 随机数，计算过程如下：

algorithm poisson random number (Knuth):
    init:
         Let L ← e^−λ, k ← 0 and p ← 1.
    do:
         k ← k + 1.
         Generate uniform random number u in [0,1] and let p ← p × u.
    while p > L.
    return k − 1.

其过程基本可以描述为：

1、在0-1区间上生成服从均匀分布的随机数；

2、从头至尾求随机数乘积，知道乘积小于或等于 $e^{-{\lambda}}$ 时，记录参与乘积的随机数数目；

3、返回随机数减一；

多次实验的时候，随机数分布是服从参数为 ${\lambda}$ 的泊松分布的。

具体推导过程请看：泊松随机数的生成算法：数学推导和程序实现)

Matlab 实验

在这里插入图片描述

%% PoissonRandomNumber_f.m
function [res]= PoissonRandomNumber_f(lambda)
% algorithm poisson random number (Knuth):
% init:
%      Let L ← e^−λ, k ← 0 and p ← 1.
% do:
%      k ← k + 1.
%      Generate uniform random number u in [0,1] and let p ← p × u.
% while p > L.
% return k − 1.
L = exp(-lambda);
p = 1.0;
res=0;
 while(1)
    res = res+1;
    p = p*rand(1,1);
    if(p<=L)
        break;
    end
 end 


%% PoissonRandomNumber.m
clc
clear 
lambda = floor(rand(1)*50);
size = 3000;
k=zeros(1,size);

for i=1:size
   k(1,i) = PoissonRandomNumber_f(lambda);
end
figure(1);

x = 0:1:max(k);
y = poisspdf(x,lambda)*size;
[a,b]= max(y);

histogram(k);

hold on;
plot(x,y);

title('Possion Random Number');

xlabel('RandomNumber')
ylabel('Statistics')
text(x(b),max(y),['\lambda=',num2str(lambda)]);